Компания «БПС Инновационные программные решения» представила модуль машинного обучения для скоринга транзакций

Компания «БПС Инновационные программные решения» выпустила модуль машинного обучения (ML) Service, который является частью Системы предотвращения мошенничества (реестровая запись №3625 от 28.06.2017). Этот модуль даёт возможность специалистам по борьбе с мошенничеством самостоятельно обучать модель данных. Для этого в нём применяются алгоритмы машинного обучения, что способствует более эффективной борьбе с мошенничеством, сообщили представители компании «БПС Инновационные программные решения» изданию CNews. Сейчас модуль обеспечивает функцию скоринга транзакций. Система автоматически анализирует операции и присваивает им оценку риска в режимах предотвращения и обнаружения мошеннических действий. ML-скоринг реализован как один из типов проверок в механизме правил Системы предотвращения мошенничества. Модели машинного обучения создаются и обучаются на массиве исторических данных, что позволяет учитывать типичные схемы мошеннических операций. Внедрение ML Service повышает точность выявления подозрительных транзакций и снижает нагрузку на аналитиков за счёт автоматизации рутинных процессов. «БПС Инновационные программные решения» предлагает три варианта реализации ML-модуля: 1. Стандартизированная модель для скоринга, которую банк может самостоятельно настраивать и обучать. 2. Сервис по разработке оптимальной архитектуры модуля (кастомизация командой БПС) под размеченный обезличенный набор исторических данных (датасет). Разработка такого варианта занимает около месяца. 3. Самостоятельное формирование модели на стороне клиента (для банков с необходимой инфраструктурой и критическими данными) с последующим внедрением в экосистему предотвращения мошенничества от БПС. ML-модуль разработан с учётом требований банковской инфраструктуры: * лёгкость развёртывания (может быть развёрнут как в контейнере, так и в среде-аналоге, не зависящей от импорта); * автономность (работает независимо от основных приложений SVFM); * ресурсная независимость (не конкурирует за ресурсы с другими компонентами системы, что гарантирует стабильную работу и высокую производительность); * гибкость (позволяет создавать модели под конкретные требования заказчика — от кредитного скоринга до выявления мошенничества). ML-модуль для скоринга от БПС может упростить и автоматизировать анализ транзакций за счёт обучения модели на исторических данных. Модель может быть обучена для выявления аномалий, нетипичных взаимосвязей и корреляций данных, что существенно облегчает потом прогноз и выявление типов мошенничества. Это возможность извлекать знания из массива данных для дальнейшего использования их при противодействии мошенничеству в помощь к основным аналитическим моделям и правилам, что в целом повышает эффективность системы.